स्थैतिक स्क्रैपिंग
स्टैटिक स्क्रैपिंग सर्वर द्वारा डिलीवर किए गए एचटीएमएल में पहले से उपलब्ध सामग्री से वेब पृष्ठों से जानकारी एकत्र करने की तकनीक को संदर्भित करता है।
परिभाषा
स्टैटिक स्क्रैपिंग एक वेब स्क्रैपिंग दृष्टिकोण है जो सर्वर द्वारा पूर्ण एचटीएमएल प्रदान करने वाले पृष्ठों से डेटा निकालने पर केंद्रित है जिनमें जावास्क्रिप्ट निष्पादन या क्लाइंट-साइड रेंडरिंग की आवश्यकता नहीं होती है। इस विधि में, एक एचटीटीपी क्लाइंट पृष्ठ लोड करता है और एक एचटीएमएल पार्सर सीधे सामग्री को पढ़ता है, जिससे यह डायनामिक पृष्ठों के स्क्रैपिंग की तुलना में तेज और सरल होता है। यह ब्लॉग, साधारण उत्पाद सूची, या सूचनात्मक पृष्ठों जैसे साइटों के लिए आदर्श होता है। क्योंकि डेटा प्रारंभिक सर्वर प्रतिक्रिया में मौजूद होता है, स्टैटिक स्क्रैपिंग ब्राउज़र स्वचालन और भारी संसाधन उपयोग के भार को बचाता है। इस कारण, इसे दक्षता और विश्वसनीयता के प्राथमिकता वाले स्वचालन पाइपलाइन में आमतौर पर चुना जाता है।
लाभ
- सामग्री कच्चे एचटीएमएल में उपलब्ध होने के कारण तेज निष्कर्षण।
- डायनामिक स्क्रैपिंग की तुलना में कम संसाधन और उपकरण आवश्यकता।
- सरल वास्तविकीकरण के साथ आधारभूत एचटीटीपी क्लाइंट और पार्सर के साथ।
- पूर्ण ब्राउज़र स्वचालन की तुलना में बॉट निरीक्षण के खिलाफ कम संवेदनशील।
- बड़े पैमाने पर योजना बनाए गए स्क्रैपिंग कार्यों के लिए दक्ष।
नुकसान
- केवल ऐसे साइटों पर सीमित है जो स्थिर एचटीएमएल सामग्री प्रदान करते हैं।
- क्लाइंट-साइड जावास्क्रिप्ट द्वारा उत्पन्न डेटा निकाल नहीं सकते।
- अत्यधिक अंतर्क्रियात्मक या वास्तविक समय डेटा स्रोतों के लिए कम प्रभावी।
- प्राथमिकता या API कॉल के पीछे सामग्री छूट सकती है।
- अभी भी कैप्चा जैसे मूल रोकथाम रणनीति के खिलाफ खतरे में है।
उपयोग के मामले
- सरल ई-कॉमर्स पृष्ठों से उत्पाद विवरण निकालना।
- इंडेक्सिंग के लिए ब्लॉग पोस्ट या समाचार लेख एकत्र करना।
- स्थिर व्यापार निर्देशिका जानकारी एकत्र करना।
- विश्लेषण के लिए सार्वजनिक डेटा सेट सूची एकत्र करना।
- एसईओ सामग्री मॉनिटरिंग और समीक्षा के लिए स्वचालन।